-
公开(公告)号：CN117115064B
公开(公告)日：2024-02-02
申请号：CN202311340079.8
申请日：2023-10-17
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06T5/50 , G06T5/73 , G06T5/60 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种基于多模态控制的图像合成方法，所述方法包括：获取图像数据，图像数据中包含相对应的真图和假图；构建图像合成模型，该模型包含采用基于多头注意力模块的U‑Net架构的生成器；将图像数据中的假图预处理后，输入图像合成模型，基于生成器输出生成图像；基于生成图像和假图及对应的锐化后的真图，在空间域和频域上构建五重损失函数；基于五重损失函数构建最终损失函数，并基于最终损失函数将学习到的权重回传至生成器以更新预设权重，经过预设轮次迭代训练后得到训练好的图像合成模型；将待合成的图像输入训练好的图像合成模型并输出合成图像。本发明提供的方法改善了现有反取证技术局限于欺骗检测器对图(56)对比文件Feng Ding.Anti-Forensics for FaceSwapping Videos via Adversarial Training.《IEEE Transactions on Multimedia》.第24卷第3429-3441页.Lin Gao 等.EL-GAN: Edge-EnhancedGenerative Adversarial Network forLayout-to-Image Generation《.PacificGraphics 2022》.2023,第41卷第407-418页.崔宇航.基于高频信息差网络的高光谱图像融合算法研究《.CNKI学位论文》.2022,第2022年卷(第04期),全文.
-
公开(公告)号：CN117437776A
公开(公告)日：2024-01-23
申请号：CN202311351736.9
申请日：2023-10-18
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G08G1/01 , G06F18/2132 , G06N3/0455 , G06N3/048 , G06N3/0442 , G06N3/08
Abstract: 本申请公开了一种智能交通系统中交通流预测方法及其系统，其中智能交通系统中交通流预测方法包括以下步骤：获取交通流节点的固有特征和关系特征；对交通流节点的固有特征和关系特征进行编码；对编码后的固有特征和关系特征进行解码，得到预测流量值。本申请将深度嵌入和图形嵌入共同用于增强ITS中的特征表示。同时，通过深度嵌入和图形嵌入方法能够在进行交通流量预测的过程中呈现良好的性能。
-
公开(公告)号：CN117354274A
公开(公告)日：2024-01-05
申请号：CN202311642220.X
申请日：2023-12-04
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
Abstract: 本发明公开一种基于神经网络的垃圾邮件发送者检测方法。所述方法包括：计算节点用户与帖子的偶然关系；偶然关系是通过参数随机游走模型从初始社交图推断出来的；将用户与帖子的特征编码为特征向量，将特征向量编码为图神经网络的向量；将偶然关系作为图神经网络的边向量，将用户与帖子的特征编码分别编码为图神经网络的顶点向量和边向量，输入图神经网络；将图神经网络的输出输入到一个全连接神经网络，输出垃圾邮件发送者，垃圾邮件检测完成。本发明通过从异构网络的视角来检测垃圾邮件发送者以及加入偶然关系的计算，这使得对垃圾邮件发送者检测效率得到提高，可以有效检测出垃圾邮件发送者，从而净化网络环境，维护网络安全。
-
公开(公告)号：CN117650530B
公开(公告)日：2024-08-02
申请号：CN202311361086.6
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本发明公开一种基于量子郊狼优化算法的总谐波失真还原方法，包括：初始化候选解种群，每个候选解都由一组参数表示；量子旋转门使用量子旋转门对每个候选解进行编码；可以将每个候选解表示为一个量子态；评估代价函数：评估每个候选解的代价函数值，代价函数是总谐波失真；选择和交叉：选择和交叉优秀候选解以生成新的种群；重复迭代直到满足停止准则为止。本发明设计了一种新的量子郊狼优化算法的总谐波失真还原技术来最小化混合发电系统中的总谐波失真。量子土狼优化算法系统是通过将量子的概念与传统的土狼优化算法结合而来的。本发明对比例积分控制器的积分和比例增益变量进行了调整，从而达到减小总谐波失真的目的。
-
公开(公告)号：CN117650530A
公开(公告)日：2024-03-05
申请号：CN202311361086.6
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
Abstract: 本发明公开一种基于量子郊狼优化算法的总谐波失真还原方法，包括：初始化候选解种群，每个候选解都由一组参数表示；量子旋转门使用量子旋转门对每个候选解进行编码；可以将每个候选解表示为一个量子态；评估代价函数：评估每个候选解的代价函数值，代价函数是总谐波失真；选择和交叉：选择和交叉优秀候选解以生成新的种群；重复迭代直到满足停止准则为止。本发明设计了一种新的量子郊狼优化算法的总谐波失真还原技术来最小化混合发电系统中的总谐波失真。量子土狼优化算法系统是通过将量子的概念与传统的土狼优化算法结合而来的。本发明对比例积分控制器的积分和比例增益变量进行了调整，从而达到减小总谐波失真的目的。
-
Patent Agency Ranking
公开(公告)号：CN117575017A
公开(公告)日：2024-02-20
申请号：CN202311358800.6
申请日：2023-10-19
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院
IPC: G06N5/04 , G06N3/044 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/084 , G06N7/01 , G06F18/2415 , G06Q10/04 , G06Q50/26 , C02F3/02
Abstract: 本申请公开了一种污水处理过程的概率推理模型构建方法及其系统，其中，污水处理过程的概率推理模型构建方法，包括如下步骤：根据监测数据构造多个数据集，每个数据集均包括：多种污染物的实际的入口数据和实际的出口数据；利用数据集在混合云的私有云模块内创建概率推理模型；对概率推理模型进行优化，获得优化后的概率推理模型。本申请能够在缺乏IPP的情况下，反向推断出污水处理过程中丢失的IPP，能够令污水处理过程的概率推理模型在没有IPP数据的污水处理过程时依然生效，保证了预测结果的可靠性。
-
公开(公告)号：CN117454022A
公开(公告)日：2024-01-26
申请号：CN202311433512.2
申请日：2023-10-31
Applicant: 南昌大学 , 南昌大学新一代信息技术产业研究院 , 江西炬能物联技术研究中心有限公司
IPC: G06F16/9536 , G06N5/04 , G06N7/01
Abstract: 本申请涉及数据处理技术领域，尤其涉及一种基于人工智能物联网的隐式组推荐方法及系统，包括：依据物联网设备采集的用户的交互记录，获得用户的偏好特征；依据用户的偏好特征以及该用户所在用户组中的成员之间的合作关系和竞争意向，得到组推荐结果；待得到组推荐结果后，将组推荐结果提供给用户。本申请通过物联网结构作为底层支撑平台，从而可以实时获取和更新组推荐相关的各类数据，进而能够实时利用在线数据进行更新推荐系统，又可以使用隐性偏好反馈数据提高推荐的准确度，从而保证推荐效果。
-
公开(公告)号：CN116664880A
公开(公告)日：2023-08-29
申请号：CN202310950013.4
申请日：2023-07-31
Applicant: 南昌大学 , 江西炬能物联技术研究中心有限公司 , 南昌大学新一代信息技术产业研究院
IPC: G06V10/70 , G06V10/44 , G06V10/764 , G06V10/774
Abstract: 本发明提供了一种深度伪造反取证图像的生成方法，涉及图像处理与多媒体信息安全技术领域。所述生成方法包括以下步骤：获取图像数据，并构建反取证模型的网络结构；将图像数据区分为训练集图像和测试集图像，将训练集图像输入生成网络并以预设权重提取视觉特征和取证特征，进行特征重组合成伪造图像；判别网络对伪造图像与训练集图像进行分类判别，并将学习到的权重回传至生成网络更新预设权重；重复进行达到预设迭代轮次后生成反取证模型；将测试集图像输入反取证模型，输出反取证图像。本发明生成的反取证图像能够提高取证检测器的检测难度，达到更强的反取证效果，从而能够协助应对新型伪造技术的取证挑战。
-
公开(公告)号：CN119313978A
公开(公告)日：2025-01-14
申请号：CN202411835783.5
申请日：2024-12-13
Applicant: 南昌大学
IPC: G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明提供了一种人工智能生成图像公平性检测方法及系统，涉及图像处理技术领域，包括：将自然图像输入预训练的图像编码器获取自然语义，将AI生成图像与自然图像组合后输入图像编码器获取原始图像语义，并输入待训练的公平适配器网络模型进行残差融合，获取自然和生成增强语义；融合自然语义与生成增强语义生成第一混合样本，融合自然语义与自然增强语义生成第二混合样本，并得到混合样本；将混合样本输入分类头计算公平适配器损失函数，得到训练好的公平适配器网络模型；将增强语义输入待训练的分类网络模型获取图像分类语义，生成分类结果。本发明通过构建全新的公平性辅助模块和分类模块，能够提高图像公平性的检测性能。
-
公开(公告)号：CN118334473B
公开(公告)日：2024-08-23
申请号：CN202410757677.3
申请日：2024-06-13
Applicant: 南昌大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/084
Abstract: 本发明提出了一种基于语义解纠缠的深度伪造图像检测方法，包括如下步骤：S1、设计第一阶段训练的模型架构；S2、设计第二阶段训练的模型架构；S3、检验多尺度高频特征提取模块和多尺度高频特征融合模块的效果；S4、分析方法检测深度伪造图像的性能。第一阶段训练模型和第二阶段训练模型用于解纠缠图像共同伪造语义、图像特殊伪造语义和图像无关内容语义，以用于提高取证的鲁棒性和泛化能力。设计了自适应的高通滤波器、多尺度高频特征提取模块和多尺度高频特征融合模块，用于充分利用高频信息。提出了双阶段训练的方法，加强语义的解纠缠，提升提取的伪造语义的独立性，提高了语义在取证中的有效性。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.022 seconds)
